作者：劉帆
我想每個(gè)人小時(shí)候都有一個(gè)對(duì)于藍(lán)天的夢想和對(duì)于飛機(jī)的向往。

記得當(dāng)年每每去往縣城的路上，就會(huì)遠(yuǎn)遠(yuǎn)的看見一個(gè)空軍后勤保障運(yùn)輸機(jī)場上停放著十多架飛機(jī)。那是傻傻的我們?cè)诎褪可蠏昝摳改競兊碾p臂站起來仔細(xì)的觀望著遠(yuǎn)處的飛機(jī)，并認(rèn)為飛機(jī)啟動(dòng)了，馬上要飛起來了，而年少的我們那時(shí)心情卻是異常的興奮、激動(dòng)，后來我們知道不是飛機(jī)在動(dòng)，而是巴士在動(dòng)。再后來有幸能乘坐飛機(jī)，能觀看到藍(lán)天白云，有想偷偷拿出手機(jī)拍照的想法，但最終沒能實(shí)施。而今年成為碩士研究生之后，我非常幸運(yùn)的進(jìn)入無人機(jī)項(xiàng)目組，跟著師長們一起學(xué)習(xí)這個(gè)神秘而又令我亢奮的飛機(jī)，而且是無人機(jī)。這一路走來，與飛機(jī)的情緣越積越多。

由于剛進(jìn)入研究生階段，其課程任務(wù)多，故沒有時(shí)間和能力去進(jìn)行無人機(jī)相關(guān)的實(shí)驗(yàn)與調(diào)試。主要通過閱讀相關(guān)書籍來了解其基本知識(shí)，為以后進(jìn)入項(xiàng)目組一起研究而努力，所以現(xiàn)在的我充其量只是一個(gè)無人機(jī)愛好者，但是我愿意和無人機(jī)一起走過這一路，愿意延續(xù)這份“機(jī)”緣。

 無人機(jī)的全稱為無人駕駛航空器，是一種裝備了必要的數(shù)據(jù)處理單元、傳感器、自動(dòng)控制器以及通信系統(tǒng)的飛行器，能夠在無人干預(yù)的情況下完成自主飛行任務(wù)。要自主的完成飛行任務(wù)，故其中導(dǎo)航與制導(dǎo)就成為非常關(guān)鍵的一步，飛機(jī)怎樣能正確穩(wěn)定的起飛、航行與降落。這一塊的成功與否直接關(guān)乎到無人機(jī)的正常工作與“生命”。就我這兩個(gè)月的學(xué)習(xí)，對(duì)導(dǎo)航這一方面淺談幾句。

       導(dǎo)航系統(tǒng)有很多，比如全球定位系統(tǒng)（GPS）、全球?qū)Ш叫l(wèi)星系統(tǒng)（GLONASS）、伽利略全球衛(wèi)星導(dǎo)航系統(tǒng)（Galileo）、北斗衛(wèi)星導(dǎo)航系統(tǒng)（BDS）、慣性導(dǎo)航系統(tǒng)（INS）和天文導(dǎo)航系統(tǒng)（CNS），不同的導(dǎo)航系統(tǒng)各有優(yōu)缺點(diǎn)。伴隨這對(duì)導(dǎo)航精度要求的提高，各種單系統(tǒng)的導(dǎo)航模式已經(jīng)滿足不了人們對(duì)定位精度的要求。在社會(huì)生產(chǎn)力和需求的要求下，組合導(dǎo)航應(yīng)運(yùn)而生。所謂組合導(dǎo)航就是用兩種或兩種以上的非相似導(dǎo)航系統(tǒng)對(duì)同一導(dǎo)航信息作測量，并解算形成量測量，然后從這些量測量計(jì)算出各導(dǎo)航系統(tǒng)的誤差并校正。

       在組合導(dǎo)航中又根據(jù)數(shù)據(jù)耦合的方式分為緊耦合和松耦合。緊耦合的優(yōu)點(diǎn)是可以減少各傳感器的誤差量，使得量測信號(hào)更為精確，缺點(diǎn)是需要對(duì)傳感器本身進(jìn)行修正。由于各類傳感器的機(jī)理與構(gòu)造存在很大的差異，因此在應(yīng)用和研究上存在較大的實(shí)際困難。而松耦合易于實(shí)現(xiàn)，但是導(dǎo)航精度受到一定的制約。在科技高速發(fā)展的今天，對(duì)于系統(tǒng)精度和穩(wěn)定性的追求，只要是可實(shí)現(xiàn)的我們都會(huì)去實(shí)現(xiàn)它、完善它。現(xiàn)今緊耦合成為了主流的耦合方式，廣泛應(yīng)用與各種無人機(jī)導(dǎo)航模塊中。

       說到這里不得不說的就是Kalman濾波。實(shí)現(xiàn)組合導(dǎo)航的關(guān)鍵是采用先進(jìn)的信息融合技術(shù)，將兩個(gè)或者兩個(gè)以上導(dǎo)航子系統(tǒng)輸出的數(shù)據(jù)進(jìn)行融合，以提高組合導(dǎo)航的導(dǎo)航精度。Kalman濾波就是來實(shí)現(xiàn)這樣解算功能的模塊。Kalman濾波的特點(diǎn)是對(duì)狀態(tài)空間進(jìn)行估計(jì)，而狀態(tài)空間估計(jì)是一種動(dòng)態(tài)估計(jì)，由于Kalman濾波采用遞推線性最小方差估計(jì)算法，即由參數(shù)的驗(yàn)前估計(jì)值和新的觀測數(shù)據(jù)進(jìn)行狀態(tài)參數(shù)的更新。所以，一般只需存儲(chǔ)前一個(gè)歷元的狀態(tài)參數(shù)估值，無需存儲(chǔ)所有歷史觀測信息。簡單的來說Kalman濾波是一個(gè)帶回饋的估計(jì)方法，濾波器先做出相應(yīng)的估計(jì)，然后再以含有噪聲的量測形式獲得反饋。歸結(jié)為兩步：時(shí)間更新和兩側(cè)更新。

       上述的Kalman濾波是一種最優(yōu)估計(jì)，其僅適用于線性系統(tǒng)，但是大多實(shí)際情況下系統(tǒng)并非線性，故Kalman濾波并不適用?，F(xiàn)在在組合導(dǎo)航濾波設(shè)計(jì)中處理非線性的方法有擴(kuò)展Kalman濾波­­（EKF）、無跡Kalman濾波（UKF）和粒子濾波（PF）。但至今沒有完善的解決方法，通常采用的是擴(kuò)展Kalman濾波，先將非線性問題轉(zhuǎn)換成線性問題，然后再進(jìn)行Kalman濾波求解得到次優(yōu)估計(jì)。但是這樣勢必將產(chǎn)生相當(dāng)量的誤差，所以我認(rèn)為非線性系統(tǒng)的濾波方法是將來研究的一個(gè)重要方向，去更好的貼近實(shí)際的情況。

       導(dǎo)航模塊也只是無人機(jī)系統(tǒng)的一部分，要把無人機(jī)這一套系統(tǒng)的軟硬件的原理都清楚掌握必然是需要時(shí)間的累積和精力的投入。但是不怕，我們很年輕，我們很有興趣，我們會(huì)堅(jiān)持……

       五年、十年后的我能出差到各個(gè)地方去解決無人機(jī)方方面面的問題，我能看見經(jīng)我手的飛機(jī)能自由而又有“規(guī)劃”的遨游在它應(yīng)該在的藍(lán)色星空里。當(dāng)然這是一個(gè)美麗的夢，一個(gè)讓人不愿醒來的夢，但是我要醒來，因?yàn)椴恍褋?，不去拼搏，何以去?shí)現(xiàn)這個(gè)夢？

       無人機(jī)雖小，可它玩的是整片天空；我雖不是掌舵者，但我想成為無人機(jī)在陸地上的“地面站”靜靜的、面帶滿意微笑的看著它飛向遠(yuǎn)方。